Disciplina Discipline IBI5079
Introdução à Biologia de Sistemas

Área de Concentração: 95131

Concentration area: 95131

Criação: 07/07/2017

Creation: 07/07/2017

Ativação: 07/07/2017

Activation: 07/07/2017

Nr. de Créditos: 8

Credits: 8

Carga Horária:

Workload:

Teórica

(por semana)

Theory

(weekly)

Prática

(por semana)

Practice

(weekly)

Estudos

(por semana)

Study

(weekly)

Duração Duration Total Total
4 2 4 12 semanas 12 weeks 120 horas 120 hours

Docentes Responsáveis:

Professors:

Ronaldo Fumio Hashimoto

André Fujita

Objetivos:

Familiarizar o aluno com a filosofia de Biologia de Sistemas e estado da arte das técnicas empregadas, através da análise de dados biológicos reais provenientes de microarranjos de DNA, sequenciadores de próxima geração, eletroencefalograma e ressonância magnética funcional, e a modelagem e construção de redes biológicas.

Justificativa:

Com o desenvolvimento de novas tecnologias de mensuração em larga escala, uma gigantesca quantidade de dados biológicos se tornou disponível. Porém, o mesmo não se pode dizer sobre a oferta de profissionais que sejam capazes de analisá-las. Técnicas básicas não são mais suficientes para extrair toda a informação proveniente desses dados. Logo, torna-se fundamental o desenvolvimento de métodos estatístico-computacionais sofisticados e também de profissionais capazes de interpretar os resultados biológicos obtidos através desses métodos. A área de Biologia de Sistemas tem por finalidade, utilizando técnicas matemáticas, integrar e entender como diversos componentes biológicos interagem e atuam em conjunto. Neste contexto, é necessária uma disciplina que integre Ciência da Computação, Estatística e Biologia, a fim de possibilitar que o aluno adquira habilidades tanto de comunicação com profissionais de outras áreas como também de desenvolvimento de novas técnicas estatístico-computacionais que respondam perguntas biológicas específicas.

Conteúdo:

Dados biológicos (Microarranjos de DNA, sequenciadores de próxima geração, eletroencefalograma, ressonância magnética funcional). Aprendizagem de máquina e classificadores (Máquinas de Suporte Vetorial, Análise Discriminante Linear). Estatística computacional (Bootstrap e simulação de Monte Carlo). Enriquecimento (teste qui-quadrado, Gene Set Enrichment Analysis). Modelagem de redes biológicas (medidas de conectividade). Análise de redes biológicas.

Forma de Avaliação:

A avaliação será realizada através da participação nas discussões em aula, provas, apresentações de seminários, trabalhos e projetos

Observação:

Apesar de ser uma disciplina de Ciência da Computação, ela tem um caráter multidisciplinar, o que requer que o participante tenha interesse também nas áreas de Estatística Computacional e Biologia Molecular.

Bibliografia:

LEWIN, B., Genes IX, Jones and Bartlett Publishers, 2008. ISBN 978-0- 7637-4063- 4. CLARKE, B., FOKOUÉ, E. & Zhang H.H., Principles and Theory for Data Mining and Machine Learning, Springer, 2009. ISBN 978-0- 387-98134- 5.  GENTLE, J.E., HÄRDLE, W. & MORI, Y., Handbook of Computational Statistics, Springer, 2004. ISBN 3- 540-40464- 3.  EMMERT-STREIB, F. & DEHMER, M., Medical Biostatistics for Complex Diseases, Wiley Blackwell, 2010. ISBN 978-3- 527-32585- 6.  LÜTKEPOHL, H., New Introduction to Multiple Time Series Analysis, Springer, 2007. ISBN 978-540- 26239-8.  JOHNSON, R.A. & WICHERN, D.W., Applied Multivariate Statistical Analysis, Prentice Hall, 2002. ISBN 0-13- 092553-5.